基于混沌映射的改进布谷鸟算法的光伏最大功率MPPT

技术领域

本发明属于光伏最大功率跟踪领域，特别涉及基于混沌映射的改进布谷鸟算法的光伏最大功率MPPT。

背景技术

在光伏发电中，周围环境温度和光照变化往往会显著影响光伏系统的功率输出，例如，树木、云层以及光伏组件表面积灰等因素可能导致局部阴影，从而造成光照不均匀的情况。为了最大限度地提高光伏发电效率，需要采用光伏发电最大功率跟踪技术，确保光伏阵列的工作点始终位于最大功率点(MPP)，同时能够迅速响应外部环境温度和光照强度的变化，以实现优化调整；通过应用光伏发电最大功率跟踪技术，可以显著减少功率输出损失，提升光伏发电系统的整体性能。

现有技术中，在一致的外部光照条件下，传统的最大功率点追踪方法如恒定电压法、短路电流法、扰动观察法和导纳增量法等表现出良好的效果。然而，当光伏系统受到局部遮阴时，由于输出曲线出现多峰现象，很容易陷入局部功率极值点，从而导致功率损失；针对这种情况，需要提出一种基于混沌映射的改进布谷鸟算法的光伏最大功率MPPT来解决上述问题。

发明内容

本发明所要解决的技术问题是提供一种基于混沌映射的改进布谷鸟算法的光伏最大功率MPPT，该方法解决了现有技术的光伏组件因光照不均匀而产生局部遮阴时，功率输出曲线呈现多峰现象，且当峰点之间的差值很小时，最优点寻优容易受阻，导致输出功率损失的问题，具有可在光伏组件因光照不均匀而产生局部遮阴时快速且准确的进行寻优的特点。

为实现上述技术效果，本发明所采用的技术方案是：

基于混沌映射的改进布谷鸟算法的光伏最大功率MPPT，包括以下步骤：

S1，设置算法相关参数：参数包括：布谷鸟鸟巢数量N、搜索空间维度D、最大迭代次数T、最优输出值U_best和占空比D；

S2，初始化种群：利用混沌映射形成初始种群；计算本次迭代的最佳位置并进行记录；

S3，通过改进Levy飞行公式进行位置的更新；

S4，根据改进公式计算出切换概率p

S5，通过偏好随机游走公式进行鸟巢位置更新；记录此时最优的功率值；

S6，当最优位置和最差位置之差达到阈值时，即认为寻到最优值，输出历史最优值，结束寻优。

优选地，步骤S2的具体方法如下：

S201，进行种群初始化，利用tent混沌映射生成均匀分布的初始种群，tent混沌映射公式如下：

式中，m∈[0,1],m＝0.5；x

S102，计算本次迭代的最佳位置并进行记录。

优选地，步骤S3中的具体方法如下：

引入权重系数ω,对Levy飞行步长系数进行改进；计算公式如下：

式中，α为levy飞行步长系数，ω为权重系数；L(β)为飞行步长；L(β)为飞行步长；符号

优选地，步骤S4中，在布谷鸟算法中，鸟巢数量为固定值；每个鸟巢有一定概率被发现，一旦被发现，宿主鸟会直接毁巢或选择新巢，计算切换概率p

S401，对每一个鸟巢取随机数r

S402，引入模拟退火机制思想，对随机概率进行计算；计算公式如下：

式中：p

S403，判断是否满足r

优选地，步骤S5中，利用偏好随机游走公式进行鸟巢位置更新，更新公式如下：

式中，t是当前时刻的迭代次数；

优选地，步骤S5中，当最优位置和最差位置满足结束条件时，认为寻到最佳值，结束算法；结束公式如下：

|x

式中，x

本发明的有益效果为：

本发明针对原始布谷鸟算法，引入三种改进方式，对参数初始化、切换概率、Lévy飞行步长系数三个方面进行了优化改进，提高了算法的全局搜索能力，同时降低了算法在功率多峰值的情况下陷入局部最优的概率。

附图说明

图1为ICS算法流程图。

图2为局部遮阴模拟功率曲线图。

图3为ICS动态模拟曲线图。

具体实施方式

实施例一：

如图1～图3所示，基于混沌映射的改进布谷鸟算法的光伏最大功率MPPT，包括以下步骤：

S1，设置算法相关参数：参数包括：布谷鸟鸟巢数量N、搜索空间维度D、最大迭代次数T、最优输出值U_best和占空比D；

S2，初始化种群：利用混沌映射形成初始种群；计算本次迭代的最佳位置并进行记录；

S3，通过改进Levy飞行公式进行位置的更新；

S4，根据改进公式计算出切换概率p

S5，通过偏好随机游走公式进行鸟巢位置更新；记录此时最优的功率值；

S6，当最优位置和最差位置之差达到阈值时，即认为寻到最优值，输出历史最优值，结束寻优。

优选地，步骤S2的具体方法如下：

S201，进行种群初始化，利用tent混沌映射生成均匀分布的初始种群，tent混沌映射公式如下：

式中，m∈[0,1],m＝0.5；x

S102，计算本次迭代的最佳位置并进行记录。

优选地，步骤S3中的具体方法如下：

引入权重系数ω,对Levy飞行步长系数进行改进；计算公式如下：

式中，α为levy飞行步长系数，ω为权重系数；L(β)为飞行步长；L(β)为飞行步长；符号

优选地，步骤S4中，在布谷鸟算法中，鸟巢数量为固定值；每个鸟巢有一定概率被发现，一旦被发现，宿主鸟会直接毁巢或选择新巢，计算切换概率p

S401，对每一个鸟巢取随机数r

S402，引入模拟退火机制思想，对随机概率进行计算；计算公式如下：

式中：p

S403，判断是否满足r

优选地，步骤S5中，利用偏好随机游走公式进行鸟巢位置更新，更新公式如下：

式中，t是当前时刻的迭代次数；

优选地，步骤S5中，当最优位置和最差位置满足结束条件时，认为寻到最佳值，结束算法；结束公式如下：

|x

式中，x

实施例二：

通过Simulink对本发明进行仿真模拟测试，表1为光伏列阵仿真参数，表2为优化算法结果：

表1：光伏列阵仿真参数

表2

上述的实施例仅为本发明专利的优选技术方案，而不应视为对于本发明专利的限制，本申请中的实施例及实施例中的特征在不冲突的情况下，可以相互任意组合。本发明专利的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明专利的保护范围之内。